order-splittingmetaorderlong-memorylmf-modeljapantokyo-stock-exchangemarket-microstructureequity

母单拆分的统计检验 (Statistical Tests of Order Splitting)

大白话：机构想一次买 100 万股，会拆成很多小单慢慢买。这个"拆单"行为会在订单流里留下一个统计痕迹——相邻两笔同向委托往往来自同一笔母单。本文回答的是：能不能从公开的订单流数据里把这个痕迹量化出来，并且用微观参数预测宏观的长程记忆？

答案：能，而且精度相当高。

核心关系：\gamma = \alpha - 1

Sato Kanazawa 2023 Order Splitting 检验的是 LMF 模型（Lillo–Mike–Farmer 2005, Phys. Rev. E 71, 066122）的定量预言：

符号 含义 层级
\alpha 元订单长度的幂律指数，P(L)\propto L^{-\alpha-1} 微观
\gamma 市价单符号序列自相关的幂律指数，C(\tau)\propto\tau^{-\gamma} 宏观
\mathbf{\gamma=\alpha-1} LMF 的定量预言 微观 ↔ 宏观

验证结果：\eta:=\alpha-1-\gamma_{unbiased} 的均值仅 0.03（ACF 法）、0.003（PSD 法）。

最重要的一条推论

\alpha 在公开数据中不可直接观测，但可以由公开 ACF 的幂律指数 \gamma 统计估计出来——微观参数可以从宏观长程记忆反推。

这条推论把 LMF 从"一个能拟合的模型"变成了"一个可检验的定量关系"。

测量流程

flowchart TB
    A["逐笔委托级数据<br/>含委托 ID + 虚拟服务器 ID"] --> B["构造交易台 ID<br/>Goshima-Tobe-Uno 2019"]
    B --> C["按交易者切分符号序列"]
    C --> D["游程长度 = 元订单长度<br/>Wald-Wolfowitz"]
    D --> E["单侧二项检验<br/>拒绝 → 拆单交易者 ST"]
    E --> F["Clauset 算法估 α"]
    C --> G["全局 ACF / PSD 幂律拟合<br/>NLLS"]
    G --> H["LMF 模拟 → 偏差系数 β₁ β₂<br/>构造 γ_unbiased"]
    F --> I["画 α–γ 散点<br/>检验 γ = α − 1"]
    H --> I

步骤一：交易者 ID 的构造（关键工程细节）

虚拟服务器 ID ≠ 会员 ID——同一交易者可拥有多个虚拟服务器以规避单服务器报单频率限制。Sato & Kanazawa 2025 Square-Root Law TSE 用的是同一套方法。

采用 Goshima, Tobe & Uno (2019) 的"交易台 ID"方法：若某委托的报单与撤单来自不同虚拟服务器，则判定二者同属一个交易者。

⚠️ 虚拟服务器 ID 在 2015-09-24 与 2019-11-04 系统升级时被重新打乱——这划定了九年样本里两段不可比的时间区间。

步骤二：识别拆单者

元订单长度 = 单个交易者委托符号序列（去掉零）中的"游程"长度（借用 Wald–Wolfowitz 游程检验）。特殊规则：相邻两笔委托间隔超过 1 个交易日则视为不同元订单。

策略聚类用单侧二项检验：H_0 = 符号序列由对称 Bernoulli 过程生成（游程总数服从二项分布），\theta=0.01；拒绝 H_0 → 拆单交易者（ST）。

步骤三：三个技术难点

难点 处理 代价
NLLS 估计量在有限样本下有偏、对 \alpha 非一致 用 LMF 模拟（100 次）回归得 \gamma_{NLLS}\approx\beta_1\gamma+\beta_2，构造 \gamma_{unbiased}=(\gamma_{NLLS}-\beta_2)/\beta_1 该近似关系本身未经理论证明
幂律拟合的上下阈值选择 ACF 侧：先用指数型临时拟合找初始衰减尺度定下阈值，再对数平滑；上阈值由 \lvert C(\tau)\rvert<N_\varepsilon^{-1/2} 定。PSD 侧：周期图法 + 正态平滑 阈值选择有主观性
二项检验只控制第一类错误 RT 簇尾部 L\gtrsim10 偏离指数律 → 混入了 ST；只保留年下单 >1000 笔的活跃 RT 后消失 第二类错误未受控

DFA 估计量被作者放弃：在 N_\varepsilon=10^8 下 \gamma_{DFA} 仍系统性偏离 \gamma=\alpha-1，连相合性都无法确认。

关键数字（东交所 2012–2020 九年全账户数据）

量 值
ST 占交易者比例 约 25%（区间 10%–50%）
ST 贡献的市价单占比 约 80%
\alpha 分布 约 90% 的股票 \alpha<2；典型 1<\alpha<2（文献常用 \alpha\approx1.5）
偏差系数（ACF / PSD） \beta_1 = 0.592 / 0.753；\beta_2 = 0.147 / 0.083
RT 游程长度衰减长度 L^\star 经验峰在 1.8（理论预期约 2.0）
3 年分段鲁棒性 2012–2014、2015–2017、2018–2020 均满足 \gamma=\alpha-1

"25% 的交易者贡献 80% 的市价单"是本文最实用的一句话——订单流的持续性主要由少数拆单型机构产生。

流动性含义：(\alpha, N_{ST}) 是新型流动性度量

\alpha 越小、N_{ST} 越大，订单簿对大额元订单来说越不够厚，许多机构投资者无法一次性成交，必须拆单。

参数组 (\alpha, N_{ST}) 刻画的是"相对于元订单拆单的流动性不足"——这是买卖价差、Amihud ILLIQ 等传统流动性指标无法衡量的东西：价差反映的是即时流动性供给，(\alpha, N_{ST}) 反映的是机构能否一次吃完。

N_{ST} 的估计（从 ACF 前因子 c_0 反推）：

N_{ST}^{LMF}(c_0,\gamma) = \frac{(\gamma+1)c_0}{\gamma-1}

\gamma=1 处有奇点，需用去奇点形式。广义 LMF 理论表明该估计量给出的是真值的下界。

一个重要的历史修正

Lillo 等 (2005) 原文自承 "The model fails this test"。 Sato & Kanazawa 用 Adobe Illustrator 从原文图 7 提取散点坐标重新拟合，回归斜率仅 0.07（统计上不显著），远偏离理论系数 1。

原因：原论文用的是场外（off-book）数据做代理，样本量小。

这是本 wiki 记录的一条方法论：一个模型"自称检验失败"，很可能不是模型错，而是检验做得不够干净（这里换成了交易所全账户数据 + 交易台 ID 构造）。

与本 wiki 其他页面的接口

Open Questions

  • 无偏估计量的理论证明。作者自陈"寻找最优无偏估计量是当务之急"——目前的 \gamma_{unbiased} 只是一种经验近似，且依赖 LMF 模型本身。这使 \gamma=\alpha-1 的检验带上了循环性（用模型校准估计量，再用估计量检验模型）。
  • N_{ST}^{LMF} 只给下界，真值还差多少未知。作者说"广义 LMF 理论表明是下界"，但下界的松紧程度没有量化。
  • A 股能否做同样的检验：需要账户级委托 ID + 席位-账户映射。A 股有逐笔委托号但沪市配对缺失 14.2%，且无公开的席位-账户映射（见 concepts/data-features/逐笔成交的双向委托引用 (Bid-Offer Order Reference)）。没有全账户微观数据，这条线在 A 股上做不了。
  • 交易系统反应速度的影响：样本期内 arrowhead 从 2 ms 升到 0.2 ms。交易速度提升会改变拆单的可行性，进而改变 \alpha——但本文未分离这个效应。

Sources